Page 53 - Reflexiones sobre Ingeniería 2023D-2024

Revista de la Facultad de Ingeniería, Año 8, Número 1

Inteligencia Artificial Generativa

Ing. Natalia Botto

Ingeniera Eléctrica, Informática de
profesión.
Master Candidate en Data Science de
UTEC (Uruguay) - MIT
PMP en 2015, PMI-ACP en 2018. DASM en
2020.
Past-President de PMI Capítulo Montevideo.
Tiene 15 años de experiencia en empresas de tecnología,
realizando relevamiento de necesidades, implementación
de soluciones y desarrollo de proyectos de transformación
digital.
10 años como Project Manager en Proyectos Informáticos
de implantación de soluciones a medida, sobre
plataformas diversas y transformación digital.
10 años como docente de bases de datos, Data Science y
Machine Learning.
Docente de la Facultad de Ingeniería de la Universidad de
la Empresa

Introducción

El pasado 30 de noviembre se cumplió un año desde que Chat GPT quedó disponible
para ser utilizado por cualquier usuario, de forma gratuita, solo con el registro en su
sitio.
Esta fecha no tendría mayor relevancia si no fuera porque pasó a ser masivo su uso,
acercando una herramienta de Inteligencia Artificial Generativa para cualquier persona,
independientemente de su formación o conocimientos técnicos.

Inteligencia Artificial

Históricamente desde diversas disciplinas se ha buscado entender cómo pensamos los
humanos, cómo funciona nuestro cerebro, cómo reaccionamos y pensamos frente a

diversos estímulos.

La Inteligencia Artificial podemos definirla como la disciplina que lo que busca es la
creación de sistemas computacionales que puedan emular la inteligencia humana.

Dentro de la Inteligencia Artificial podemos encontrar diferentes formas de

aprendizaje.

El aprendizaje supervisado se basa en el entrenamiento de modelos utilizando datos

históricos etiquetados. Básicamente tenemos un conjunto de datos que nos muestra
que fue lo que ocurrió, el algoritmo utilizado entrena el modelo buscando identificar

cuáles son las condiciones en los datos para que se den las predicciones.
Por otro lado tenemos el aprendizaje no supervisado, que ocurre en el escenario donde
no tenemos datos etiquetados. Se busca encontrar patrones o anomalías en los datos,
de forma de agruparlos.

51